模糊神經網絡理論及其在復雜系統(tǒng)中的應用研究.pdf

1、模糊神經網絡(FNN)是智能控制理論中一個十分活躍的分支,它是人工神經網絡與模糊邏輯系統(tǒng)的有機結合.模糊神經網絡是一種能處理抽象信息的網絡結構,具有強大的自學習和自整定功能.因此,模糊神經網絡的發(fā)展對智能控制發(fā)展具有非常重要的意義.該文在分析模糊神經網絡理論和應用現狀的基礎上,針對其中存在的一些問題,重點進行了以下幾個方面的探討:1.針對模糊神經網絡參數學習中容易陷入局部極小以及算法結構復雜等問題,提出了兩種網絡參數學習方法;2.該文根

2、據目前模糊神經網絡參數初始化中存在的問題,改進了模糊神經網絡參數初始化規(guī)則,提出了一種基于ε-完整性規(guī)則的初始化方法.3.該文論述了復雜系統(tǒng)建模中常用的方法,分析了其中存在的問題,提出了一種模糊神經網絡建模方法.4.針對非線性多變量系統(tǒng)的研究現狀和存在的問題,為一類非線性多變量系統(tǒng)設計了直接模糊神經網絡控制器.5.由于傳統(tǒng)控制器本身的局限性,它們在非線性控制系統(tǒng)的設計和應用中,出現了許多問題.該文充分考慮了控制系統(tǒng)的特點和模糊神經網絡的